Получите корень среднеквадратичной ошибки для предсказанных predictions и сохраните его в переменную rmse. Выведите значение rmse.

# необходимые импорты
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error
from sklearn.model_selection import train_test_split
# создание константы RANDOM_STATE
RANDOM_STATE = 42
# считывание CSV-файла в датафрейм pandas, сохранение выборок
df = pd.read_csv('real_estate_clean.csv')
X = df.drop('price', axis=1)
y = df['price']
X_train, X_test, y_train, y_test = train_test_split(
    X, 
    y, 
    random_state=RANDOM_STATE
)

# инициализация и обучение модели, получение предсказания
model_lr  = LinearRegression()
model_lr.fit(X_train, y_train)
predictions = model_lr.predict(X_test)
# получение значения RMSE
rmse = mean_squared_error(y_test, predictions, squared=False)

# вывод полученного значения RMSE
print(rmse)